Salida de regresión ordinal JMP<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola a todos
Estoy tratando de ajustar un modelo usando JMP 10, y los resultados me confunden, pensé que quizás podría ayudar.
Tengo una variable dependiente ordinal, con 3 categorías. ¡Mi principal variable independiente de interés es discreta, con no menos de 5 categorías! Además de este IV, tengo varios otros IV para examinar, algunos son discretos y otros continuos.
Ejecuté el modelo utilizando el módulo de modelo Fit. Primero, probé solo el IV principal de interés, y algo extraño ha sucedido. JMP ha creado variables ficticias, dejando la última categoría como control, bien. El modelo no fue significativo, con P = 0.1134 (prueba del modelo completo), sin embargo, una variable ficticia fue realmente significativa (P = 0.036). El cuadro R generalizado fue de 0.01, el cuadro R de entropía fue de 0.009 y la tasa de clasificación errónea de entrenamiento fue del 35% (por lo que cualquier conjunto de pruebas sería más pobre). Cada indicación muestra que los resultados son semanales, pero ¿cómo puedo explicar que un modelo completo no sea significativo mientras que un IV (en este caso un nivel de simulación), sea significativo? ¡No hay una correlación, ya que todas las IV son niveles del mismo maniquí!
Luego intenté agregar un par de IVs continuos. Ambos fueron muy significativos (P = 0.0015, P = 0.0126). Sin embargo, el cuadrado R generalizado es todavía alrededor del 5% solamente. Los odds ratios son 1.16 y 0.9. Cuando cambié el rollo y creé un par de diagramas de caja de este grupo de IV por mi DV, no fue necesario que un experto dijera que no hay una diferencia interesante. Mi tamaño de muestra es 411, ¿puede ser que el gran tamaño de muestra causó los valores P bajos, o es un error de tipo I? ¿Cómo puedo explicar resultados muy significativos cuando tengo la sensación de que no tienen ningún significado?
Gracias !
Re: JMP salida de regresión ordinalLo que era " extraño ¿Sobre tu impresión inicial del primer modelo?
¿Es tu primer predictor nominal u ordinal?
El modelo completo y las pruebas de efectos individuales no son lo mismo que las pruebas para estimaciones de parámetros individuales. Es posible que haya un parámetro significativo (es decir, una estimación diferente de 0) asociado con un nivel, mientras que el término en general no es significativo (es decir, la diferencia entre el modelo con y sin este término no es significativa). Por lo tanto, un predictor con al menos 5 niveles podría incluir un nivel que produzca una estimación significativa, mientras que en general el término no es significativo. También es posible, con tantas pruebas usando una muestra de datos que tiene un error de tipo I para la prueba significativa de la estimación del parámetro.
Su respuesta podría verse influida por algo más que el único predictor nominal, por lo que el ajuste inicial con un solo predictor podría no ser significativo. Una muestra R cuadrada de 0.05 no es infrecuente con una respuesta ordinal. ¿Son las frecuencias de los niveles individuales muy diferentes? ¿Hubo falta significativa de ajuste?
Si quieres decir con cambió el rollo 'que invirtió el rol X e Y de las mismas variables, entonces la asociación entre ellas permanece independientemente del rol, aunque los resultados numéricos cambiarán porque se supone que el error está solo en el rol Y.
Si quieres decir con No hizo falta un experto para decir que no hay una diferencia interesante 'que el efecto no fue pronunciado, creo que es consistente con la impresión transmitida por las estimaciones también. Con una muestra suficiente de datos, es posible que pueda encontrar estimaciones de parámetros significativos de pequeños efectos. Los odds ratios no son grandes en comparación con el valor nulo de 1 (sin asociación), pero pag -los valores nos llevan a decidir que son significativos (con una tasa de error de tipo I aceptada de 0.05).
¿Es posible que haya efectos de esta respuesta que aún no hayan sido explicados por alguno de los modelos anteriores?
